基于CMAC神经网络的BTT导弹模型跟踪控制

提出一种ＢＴＴ导弹模型跟踪控制系统的参考模型设计新方法。在此基础上,设计了一种非线性模型跟踪控制律,并将ＣＭＡＣ神经网络用于ＢＴＴ导弹系统的鲁棒自适应模型跟踪控制,使具有不确定性的实际系统获得要求的跟踪性能。该方法适合于控制导弹作全空域飞行。仿真结果进一步验证了该方法的正确与有效。     

智能机器力觉及力控制研究综述

回顾了智能机器力觉及力控制研究历史,介绍了目前的研究现状,详细分析了现有的4种研究策略：阻抗控制、力／位混合控制、现代控制、智能控制。提出了智能机器力觉及力控制研究的4大关键问题：机器本体及位置伺服;碰撞冲击及稳定性研究;未知环境的约束研究;力传感器及力／位反馈融合,展望了智能机器力觉及力控制研究趋势和应用前景。     

非自模化区域内动叶叶尖间隙对气动-声学性能的影响

本文对非自模化区域内小型风机的气动－声学性能进行了实验研究,详细了在非自模化区域内动叶叶尖间隙对气动－声学性能的影响,并与自模化区域内的影响作了对比分析,得到了在非自模化区域内动叶径向间隙对气动－声学性能的修正,计算结果与实测值吻合良好。初步提示了非自模化区域内动叶叶尖间隙对气动－声学性能影响的机理。     

任意平面域的三角形网格和混合网格生成

本文以阵面推进法为基础,给出了一种可对任意平面域进行三角形网格和混合网格自动生成的方法。该方法包含了易于生成与调控的矩形背景网格技术,简便的外形输入和初始阵面划分技术,加速查寻的数据结构,以及节点松弛和基于Ｄｅｌａｕｎａｙ准则的对角线交换技术。网格生成的实例表明,方法能快速可靠地生成任意平面域的高质量三角形网格和适于粘性计算的三角形／四边形混合网格,具有较好的通用性与实用性。     

基于RBF网络的航空发动机辨识模型

利用实测到的发动机飞行试验数据作为学习样本, 采用径向基函数 (RBF)神经网络建立了发动机的辨识模型。利用这种方法对不同飞行高度发动机的参数进行了辨识, 并与几种 BP网络进行了比较。研究结果表明: 这种方法具有训练时间短、学习速度快、辨识精度高等优点。      

高校特色期刊自组稿模式、问题及对策——以《民办教育研究》的组稿模式为例

特色学术期刊在长期的办刊过程中，根据自身的特点合理运用组稿手段组织稿件、优化稿源而形成了能体现办刊理念、突出期刊特色的选题计划指导下的自组稿模式。这些模式各有其长，也各有其适应对象，在组稿中也会存在一些问题。因此在运用这些组稿模式时，还要注意学术期刊工作与高校学科建设和科研工作的互动；准确定位，科学把握内外稿的刊发比例，彰显学术期刊的特色；利用学术优势，发挥学术期刊的人才培养功能。     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

战斗机超机动飞行自抗扰控制器设计

提出了一种利用自抗扰控制器算法在大包线范围内设计超机动飞行控制系统的新方法。根据奇异摄动理论和自抗扰控制器能够动态补偿系统模型扰动和外扰的特性,在超机动飞行的快慢子回路中分别引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。控制律设计直接依据超机动飞行的强耦合、强非线性模型,在很大的包线范围内不需要改变控制器的结构和参数,大大简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决大包线范围内的超机动飞行控制问题提供了一种新的途径。     

基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.